تصل عينة CNS tumor إلى المختبر، ويبدأ المسار المعروف: H&E، ثم IHC حسب الانطباع الأولي، ثم اختيار الاختبارات الجزيئية المناسبة عندما لا تكفي morphology وحدها. في الحالات السهلة، يستطيع طبيب الباثولوجي تضييق التشخيص بسرعة. المشكلة تظهر عندما تكون العينة صغيرة، أو عندما تكون الصورة النسيجية متداخلة، أو عندما يكون القرار النهائي معتمدا على methylation profiling.
الدراسة المنشورة في Nature Cancer عن Hetairos تدخل من هذه النقطة بالضبط. النموذج لا يدعي أن H&E أصبح بديلا عن molecular workup. الفكرة العملية أقرب إلى أداة فرز ذكية تعمل على WSI من H&E وتساعد طبيب الباثولوجي على تضييق differential diagnosis قبل أن يقرر أي IHC أو sequencing أو methylation test يحتاجه الملف.
لماذا هذا الموضوع مهم في CNS tumors؟
تصنيف CNS tumors تغير كثيرا بعد WHO 2021، لأن جزءا كبيرا من التشخيص لم يعد يعتمد على morphology وgrade فقط. methylation profiling يعطي مستوى تفصيليا في التصنيف، لكنه يحتاج وقتا، عينة كافية، وتجهيزات لا تتوفر بنفس السهولة في كل مختبر. في الدراسة، متوسط الوصول إلى integrated diagnosis كان 12 يوما، ويصل إلى نحو 16 يوما في الحالات التي تحتاج molecular testing.
هذا التأخير ليس رقما إداريا فقط. بالنسبة لطبيب الباثولوجي، كل يوم تأخير يعني بقاء التقرير في منطقة معلقة: morphology موجودة، IHC قد يكون جزئيا، لكن subtype النهائي أو grade العملي أو الخطة العلاجية ما زالت تنتظر نتيجة خارجية أو batch لاحق. في عينات stereotactic biopsy، الضغط أكبر لأن كمية النسيج نفسها قد لا تسمح بكل الاختبارات المطلوبة.
ما الذي فعله Hetairos؟
Hetairos هو AI model مبني على WSI من H&E FFPE. النموذج يقسم السلايد إلى tiles، يستخرج features باستخدام vision transformer، ثم يدمج معلومات العمر وموقع الورم ليعطي احتمالات عبر 102 subtype من CNS tumors. المرجع الذي تدرب عليه النموذج هو methylation-based classification، مع ربط النتائج بتصنيف متوافق مع WHO 2021.
حجم الدراسة مهم. الباحثون استخدموا 9,606 مرضى وأكثر من 11,000 slide من 11 مركزا في أربع قارات. التدريب الأساسي جاء من University Hospital Heidelberg، ثم اختبروا النموذج على cohorts خارجية من عدة دول. هذه نقطة يحتاجها أي طبيب باثولوجي قبل أن يأخذ أرقام AI بجدية، لأن اختلاف fixation، staining، scanner، وتوزيع الحالات قد يكسر أداء النموذج خارج مختبر التطوير.
في internal validation، تطابق top-1 prediction مع methylation classification في 75% من الحالات، ووصل top-3 accuracy إلى 87%. عندما كان confidence أعلى من 0.5، وصل top-1 accuracy إلى 0.88. في الحالات ذات confidence منخفض، هبط top-1 accuracy إلى 0.46، لكن top-3 بقي 0.71. هذه الأرقام تضع القيمة العملية في تقليل قائمة الاحتمالات من 102 subtype إلى ثلاثة احتمالات قابلة للمراجعة عندما لا يكفي الجواب الواحد.
الأداء الخارجي أهم من الرقم الأول
في external validation، انخفض overall top-1 accuracy إلى 0.68، مع top-3 accuracy قدره 0.84. هذا الانخفاض متوقع في دراسة متعددة المراكز، لكنه يكشف نقطة تشغيلية مهمة: confidence نفسه تغير مع اختلاف السلايدات والمراكز. بين الحالات ذات high confidence في external cohorts، بقي top-1 accuracy عند 0.87، ووصل superfamily-level accuracy إلى 0.96.
بالنسبة للمختبر، هذا يعني أن تقرير AI يجب أن يعرض confidence بوضوح، وأن يفرق بين نتيجة تصلح لتوجيه workup ونتيجة تحتاج حذر شديد. وضع اسم subtype في واجهة النظام من دون confidence، heatmap، وسياق العينة سيخلق مشكلة أكثر مما يحلها.
المقارنة مع neuropathologists تحتاج قراءة هادئة
الدراسة قارنت Hetairos مع خمسة neuropathologists على 210 slides باستخدام H&E فقط، مع اختيار top-3 diagnoses من قائمة تضم 102 methylation subtypes. حقق Hetairos top-1 accuracy قدره 0.68 مقابل متوسط 0.30 للقراء، وtop-3 accuracy قدره 0.84 مقابل 0.50.
هذه المقارنة لا تعني أن النموذج يتفوق على العمل التشخيصي الكامل لطبيب الباثولوجي. الإنسان في الواقع يقرأ H&E ضمن ملف أوسع يضم IHC، history، radiology، molecular findings، وخبرة الفريق. القراءة الصحيحة أن H&E وحده يحمل إشارات أكثر مما نستخرجها بالعين عند مستوى subtype التفصيلي، وأن AI قد يساعد في ترتيب الاحتمالات قبل صرف النسيج والوقت على اختبارات كثيرة.
أين يدخل النموذج في workflow اليومي؟
أقوى موضع لاستخدام Hetairos هو بعد توفر H&E WSI وقبل تثبيت خطة الاختبارات. إذا أعطى النموذج high-confidence prediction متوافقا مع morphology وموقع الورم وعمر المريض، يستطيع طبيب الباثولوجي أن يوجه IHC أو molecular testing بشكل أدق. وإذا أعطى top-3 متقاربا، فهذا قد يحدد panel أصغر بدلا من طلب واسع.
التقرير الناتج لا يكتفي باسم subtype. الدراسة تعرض خرائط للمناطق التي ساهمت في prediction، مع أمثلة على مناطق informative ومناطق أقل فائدة. هذا مهم لأن طبيب الباثولوجي لا يحتاج صندوقا مغلقا. يحتاج أن يرى أين نظر النموذج: هل اعتمد على tumor bulk؟ هل تأثر بنسيج ضام؟ هل التقط microvascular proliferation؟ هل أشار إلى مناطق grade مختلف داخل نفس الورم؟
في الدراسة، أظهر النموذج قدرة على التعامل مع حالات يصعب فيها methylation. في 50 عينة لم تحسمها methylation analysis وحدها واحتاجت اختبارات إضافية، توقع Hetairos 27 حالة بشكل صحيح. وفي 96 عينة لم يكن بالإمكان إجراء methylation بسبب قلة النسيج، خصوصا stereotactic biopsy samples، توقع 76 حالة بشكل صحيح. هذا يضع AI كأداة إنقاذ جزئية عندما تصبح العينة نفسها هي القيد، مع بقاء molecular testing جزءا من القرار عند توفره.
الاختبار prospectively هو الجزء الأقرب للواقع
من أغسطس 2024 إلى يونيو 2025، جرى تقييم Hetairos prospectively في routine diagnostics داخل Heidelberg على 210 حالات احتاجت molecular testing. لم تعرض نتائجه على neuropathologists ولم تؤثر في القرار التشخيصي أو العلاجي. هذا التصميم يحمي التقييم من bias تشغيلي مهم.
بعد توفر scanned H&E slide، احتاج النموذج في المتوسط 12 دقيقة لإنتاج التقرير على consumer-grade hardware. بالمقارنة مع 12 يوما كمتوسط للوصول إلى integrated diagnosis، تصبح الفائدة الزمنية واضحة. الأهم أن high-confidence predictions ظهرت في 63% من الحالات غير المحسومة بالhistology أو IHC وحدهما، وتطابق top-1 فيها مع integrated diagnosis في 120 من 133 حالة، أي 90.2%.
الرقم الجيد لا يلغي الحدود. low-confidence cases بقيت صعبة، وبعض rare subtypes لم يكن فيها Hetairos أفضل من القراء البشر. لذلك يجب أن يكون مكانه في workflow واضحا: أداة تساعد في ترتيب الاحتمالات، اختيار الاختبارات، مراجعة المناطق المهمة على السلايد، وربما تسريع النقاش مع molecular pathology وneuro-oncology. القرار النهائي يبقى integrated diagnosis.
ماذا يحتاج المختبر قبل التفكير في أداة مشابهة؟
أي مختبر يريد استخدام نموذج من هذا النوع يحتاج أكثر من ملف AI جاهز. يحتاج WSI quality ثابتة، ربطا واضحا مع LIS أو image management system، سياسة لحفظ تقارير AI داخل case record، وقاعدة محلية تحدد متى يسمح باستخدام prediction في توجيه الاختبارات. يجب أيضا اختبار الأداء على الحالات المحلية، لأن توزيع CNS tumors ومعالجة النسيج وسلوك scanner قد تختلف عن cohorts المنشورة.
هناك سؤال عملي آخر: ماذا نفعل عندما يخالف النموذج الانطباع النسيجي؟ الإجابة لا تكون بتصديق النظام أو تجاهله تلقائيا. الأفضل وضع مسار مراجعة: إعادة فحص السلايد، مراجعة heatmap، التأكد من موقع العينة وعمر المريض، ثم تقرير ما إذا كان الاختلاف يبرر IHC إضافيا أو molecular testing أوسع.
بالنسبة لطبيب الباثولوجي، قيمة Hetairos ليست في اختصار التفكير التشخيصي. قيمته في جعل H&E WSI مصدرا مبكرا لإشارة جزيئية محتملة. إذا دخل النظام بهذا الدور المحدد، فقد يقلل وقت الانتظار، ويحسن اختيار الاختبارات، ويحافظ على النسيج في العينات الصغيرة. وإذا دخل كجواب نهائي منفصل عن morphology وIHC وmolecular findings، فسيتحول إلى خطر تشغيلي.
المصدر: Nature Cancer